Sentence Similarity
sentence-transformers
Safetensors
t5
feature-extraction
Generated from Trainer
dataset_size:92842
loss:MultipleNegativesRankingLoss
Instructions to use vimednli/vipubmedt5-w_multi-SynPD with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use vimednli/vipubmedt5-w_multi-SynPD with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("vimednli/vipubmedt5-w_multi-SynPD") sentences = [ "Chúng_tôi không_thể chứng_minh bất_kỳ tác_dụng có lợi nào của việc dùng risedronat đường uống đối_với sự_cố định , mật_độ khoáng xương hoặc tái_tạo xương của các ổ_cắm sửa_đổi bằng cách sử_dụng nhiều lượng ghép xương .", "Có cơ_hội bị bỏ lỡ để phòng_ngừa thứ_phát cho những bệnh_nhân đang trải qua quá_trình tái thông mạch vành , với tỷ_lệ kê đơn thuốc chẹn beta và thuốc ức_chế ACE thấp .", "Mức_độ loạn sản cấp_độ cao trong thực_quản Barrett không phải là yếu_tố dự_báo sự hiện_diện của ung_thư tuyến ở thực_quản .", "Không có sự khác_biệt đáng_kể về di_chuyển cup , mật_độ khoáng xương hoặc tái_tạo ghép giữa nhóm risedronate và nhóm giả dược sau 3 năm ." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K